Dec, 2023

MeanCut: 基于路径相似性和度递减准则的贪婪优化图聚类

PDF
TL;DR本研究提出了一种基于路径相似性的 MeanCut 算法，通过在度数降序优化来实现非破坏性图划分，从而增强簇内关联性，允许对任意形状的簇进行识别并对噪声具有鲁棒性。同时，还通过将最优路径搜索转换为生成最大生成树（MST）来降低相似性计算的复杂性，进一步提高算法的时间效率。
spectral clusteringpath-based similaritymeancutnondestructive graph partitionfastmst
发现论文，激发创造
  • 基于谱嵌入连接的超图建模：超图切割、加权核 $k$ 均值和热核

    利用核函数的理论基础构建多路相似性理论框架来将实值数据建模为超图，并提出了基于超图切割的谱聚类算法。

    Mar, 2022

  • 潜在的随机步骤作为最大割、最小割和更多的松弛

    基于非负矩阵分解的概率模型统一了节点聚类和图简化，提供了建模任意图结构的框架。通过将硬聚类放松为软聚类，我们的算法将潜在的困难聚类问题转化为易处理的问题。

    Aug, 2023

  • 谱聚类和 SpectralNet 的无参数图缩减

    本研究提出了一种不需要参数调整的图缩减方法来构建适用于谱聚类和 SpectralNet 的图，通过邻域密度和相似度过滤，实现了高效的聚类检测。

    Feb, 2023

  • 一种新的带最近邻层次初始化的归一化切割求解器

    我们提出了一种新颖的基于坐标下降法的 N-Cut 求解器，通过设计加速策略将时间复杂度从 O (n^3) 减少到 O (|E|)，并提出了一种高效的初始化方法，该求解器在多个基准数据集上取得了更大的 N-Cut 目标值和更好的聚类性能。

    Nov, 2023

  • 多割最小最大相关聚类

    本文提供了第一个问题的非平凡近似算法，来解决最小化每个子群组的最大不一致数的最小化最大相关聚类问题，并对 multicut 问题得出了相应的结果。

    Jun, 2019

  • 带最优图的统一谱聚类

    本文提出了一种改进的光谱聚类算法，旨在解决预定义的相似性图可能不是合适的聚类结果，并且传统离散化解决方法与光谱解决方案可能不一致的问题，并引入多核学习来解决如何选择最适合特定数据集的核的应用挑战。实验结果表明，该方法相比于现有的聚类方法具有更好的性能。

    Nov, 2017

  • 基于伪标签引导的互信息最大化网络的深度图聚类

    本文提出了一种叫做 Deep Graph-Level Clustering (DGLC) 的算法，通过图同构网络学习图的表示来解决图的相似性度量问题和图的划分问题，并在六个基准数据集上展示出了其与现有算法相比具有领先的性能。

    Feb, 2023

  • 图割和聚类中的局部保证

    本研究提出了一种新的 min-max 图割算法 ——Min Max s-t Cut，同时探讨了基于局部目标的方法，针对最大不同数，给出了最大总权重的最小化问题的一个 O (√n) 近似算法，局部无序最小化问题的一个简单的 7 - 近似算法，以及最小总权重的最大化问题的一个更好的 1/(2+ε) 近似算法。

    Apr, 2017

  • 平衡 k 均值和最小割聚类

    本研究介绍使用独占 Lasso 在 k-means 和 Min-Cut 算法中实现更准确均衡的聚类，并通过在几个大规模数据集上的实验证明其与现有聚类算法相比的优越性。

    Nov, 2014

  • 用于高效谱像分割的稀疏图形式

    本文提出了一种基于稀疏图的归一化割方法，该方法通过添加颜色节点至简单的网格图中对图像进行分割，实验结果表明该方法在图像分割方面表现优于传统的光谱算法。

    Jun, 2023